JP7073990B2 - 状態推定装置、方法およびプログラム - Google Patents

Description

この発明は、例えば、人の生体データをもとに当該人の身体活動の状態を推定する状態推定装置、方法およびプログラムに関する。

消費カロリや運動強度のような運動時の身体活動の状態を表す指標値は、筋力トレーニングや健康維持のためのエクササイズにおいて、運動時間や運動負荷の調整に役立つ有益な情報である。こうした指標値は、本来、高価な専用の機器を用いて計測される。しかしながら、プロスポーツ選手ではない一般のユーザが、日常的にこうした高価な機器を使用することは困難である。

そこで、従来、ウェアラブルセンサで計測された生体データをもとに消費カロリや運動強度等の指標値を推定し、代用することが提案されている。例えば、非特許文献１には、予め複数のユーザによって計測された指標値と生体データとの関係を表す数式において係数を導出しておき、この係数を用いて、新たなユーザについて計測された生体データに対応するエネルギ消費量を算出する手法が記載されている。

海老根直之, 島田美恵子, 田中宏暁, 西牟田守, 吉武裕, 齋藤愼一, and J. H. J. PETER,「二重標識水法を用いた簡易エネルギ消費量推定法の評価：生活時間調査法, 心拍数法, 加速度計法について」,体力科學, vol. 51, no. 1, pp. 151－163, Feb. 2002.

しかし、ウェアラブルセンサにより計測される生体データには個人差がある。このため、非特許文献１に記載された手法のようにすべてのユーザに対し同一の係数を適用して指標値を求めるものでは、ユーザの個人差が反映されないため、ユーザの活動状態を示す指標値を精度良く推定することができなかった。

この発明は上記事情に着目してなされたもので、ユーザの心身に係る状態を表す指標値を、直接計測することなく、かつユーザ間で生体データに個体差がある場合でも、精度良く推定できるようにした技術を提供しようとするものである。

この発明に係る状態推定装置および方法の第１の態様は、複数のユーザの各々についてその活動状態を表す指標値と当該活動が行われている期間に計測された生体データとをそれぞれ取得し、取得された前記活動状態を表す指標値および生体データをもとに、前記複数のユーザについてその全指標値と全生体データとの関係を表す第１の回帰式を生成すると共に、前記複数のユーザの各々についてその指標値と生体データとの関係を表す第２の回帰式を生成し、前記第１および第２の各回帰式に含まれる係数値の差分と前記複数のユーザの全生体データの平均との関係を表す第３の回帰式を生成して、記憶媒体に記憶させるようにしたものである。

第１の態様によれば、ユーザの生体データの個人差を考慮した係数補正が可能な回帰式を生成することができ、この回帰式を提供することにより、推定対象ユーザの生体データに個人差があっても、当該個人差に応じて係数が補正された回帰式により推定対象ユーザの活動状態を推定することが可能となる。

この発明に係る状態推定装置および方法の第２の態様は、推定対象となるユーザの生体データを取得し、記憶媒体に記憶されている前記第３の回帰式に基づいて、前記取得された推定対象となるユーザの生体データに対応する係数値の差分を求め、当該係数値の差分と前記第１の回帰式の係数値とから前記推定対象となるユーザに対応する補正後の係数値を求める。そして、当該補正後の係数値が反映された前記第２の回帰式に基づいて、前記推定対象となるユーザについて前記取得された生体データに対応する活動状態の指標値を推定し、出力するようにしたものである。

第２の態様によれば、記憶された前記各回帰式を使用することで、推定対象ユーザの生体データに個人差があっても、当該個人差を考慮した上で推定対象ユーザの活動状態を推定することが可能となる。

この発明に係る装置の第３の態様は、前記活動状態を表す指標値として一定期間におけるユーザの運動強度を適用し、前記生体データとして前記一定期間における心拍数を適用するようにしたものである。
第３の態様によれば、ユーザの心拍数さえ計測できれば、当該ユーザの運動強度を推定することが可能となる。ユーザの心拍数は手首に装着するウェアラブル型の計測器等により比較的簡単に計測することができるので、ユーザに機器の装着による負担を与えることなく実施できる利点がある。

すなわちこの発明の各態様によれば、ユーザの心身に係る状態を表す指標値を、直接計測することなく、かつユーザ間で生体データに個体差がある場合でも、精度良く推定できるようにした技術を提供することができる。

図１は、この発明の一実施形態に係る状態推定装置の機能構成を示すブロック図である。 図２は、図１に示した状態推定装置による学習フェーズの処理手順と処理内容を示すフローチャートである。 図３は、図２に示した学習フェーズにおける回帰モデル式生成処理の手順と処理内容を示すフローチャートである。 図４は、図１に示した状態推定装置による推定フェーズの処理手順と処理内容を示すフローチャートである。 図５は、図４に示した推定フェーズにおける係数補正処理の手順と処理内容を示すフローチャートである。 図６は、複数のユーザの生体データの一つである心拍数の計測結果の一例を示す図である。 図７は、複数のユーザの活動状態の一つである運動強度の計測結果の一例を示す図である。 図８は、ユーザ毎の心拍数の平均値と係数の差との関係の一例を示す図である。

以下、図面を参照してこの発明に係わる実施形態を説明する。

［一実施形態］
（構成例）
図１は、この発明の一実施形態に係る状態推定装置の機能構成を示すブロック図である。
状態推定装置１は、例えばサーバコンピュータ又はパーソナルコンピュータからなり、ネットワーク３を介して、複数のユーザ端末２１～２Ｎ，２ｘとの間で通信が可能となっている。

ユーザ端末２１～２Ｎ，２ｘは、それぞれ異なるユーザが所持するもので、例えばスマートフォン、タブレット型端末或いはノート型のパーソナルコンピュータからなる。ユーザ端末２１～２Ｎ，２ｘは、例えば外部の計測機器により計測された生体データおよび活動状態を表すデータを通信手段または手入力により受け取って、これをリアルタイムで或いは一旦保存した後、状態推定装置１へ送信する機能を有する。

ユーザ端末２１～２Ｎ，２ｘが備える上記機能は、事前にインストールされたアプリケーションプログラムにより実現される。なお、ユーザ端末２１～２Ｎ，２ｘとしては、生体センサおよび活動状態を計測する機能と、通信機能とを備えたウェアラブル端末を使用することも可能である。

生体データとしては、例えば心拍数や脈拍数、血圧値、血糖値が用いられる。これらの生体データは、例えば、心拍センサや脈波センサ、血圧計、血糖値を計測するセンサにより計測可能である。活動状態を表すデータとしては、例えば、運動強度や消費カロリ量、最大摂取酸素量、活動量が適用できる。これらの活動状態を表すデータは、例えば、酸素摂取量の計測装置や活動量計、パルスオキシメータ（動脈血酸素飽和度：ＳＰＯ２）の計測値をもとに計算可能である。例えば、運動強度は１分間に単位体重当たり体内で消費する酸素の量として求めることができる。

ネットワーク３は、例えば、インターネット等の公衆網と、この公衆網にアクセスするためのアクセス網とを含む。アクセス網としては、例えばＬＡＮ（Local Area Network）または無線ＬＡＮが用いられるが、他に有線電話網、ＣＡＴＶ（Cable Television）網、携帯電話網等を使用することも可能である。

ところで、状態推定装置１は、例えば、医療機関、保健支援センタ、フィットネスクラブ、その他の健康支援サービス業者が運用するもので、例えばサーバコンピュータ又はパーソナルコンピュータにより構成される。なお、状態推定装置１は、それ単独で設置されてもよいが、医師等の医療従事者の端末や、医療機関ごとに設置されている電子医療記録（Electronic Medical Records：ＥＭＲ）サーバ、複数の医療機関を含む地域ごとに設置される電子健康記録（Electronic Health Records：ＥＨＲ）サーバ、さらにはサービス事業者のクラウドサーバ等に、その拡張機能の１つとして設けられるものであってもよく、さらにはユーザ端末２１～２Ｎ，２ｘ自体にその拡張機能の１つとして設けられてもよい。

状態推定装置１は、制御ユニット１０と、記憶ユニット２０と、通信インタフェースユニット３０とを備える。通信インタフェースユニット３０は、ネットワーク３を介して、ユーザ端末２１～２Ｎ，２ｘとの間でデータ伝送を行う。また通信インタフェースユニット３０は、ＬＡＮや信号ケーブルを介して接続される管理用の端末（図示省略）との間でデータ伝送を行う機能を有していてもよい。

記憶ユニット２０は、記憶媒体として、例えば、ＨＤＤ（Hard Disk Drive）またはＳＳＤ（Solid State Drive）等の随時書込みおよび読出しが可能な不揮発性メモリと、ＲＯＭ（Read Only Memory）等の不揮発性メモリと、ＲＡＭ（Random Access Memory）等の揮発性メモリとを組み合わせて構成される。その記憶領域には、プログラム記憶領域と、データ記憶領域とが設けられる。プログラム記憶領域には、この発明の一実施形態に係る各種制御処理を実行するために必要なプログラムが格納されている。

データ記憶領域には、生体データ記憶部２０１と、活動状態データ記憶部２０２と、回帰モデル式記憶部２０３と、推定データ記憶部２０４が設けられている。生体データ記憶部２０１は、学習フェーズにおいて、上記ユーザ端末２１～２Ｎからそれぞれ取得された各ユーザの生体データを記憶するために用いられる。活動状態データ記憶部２０２は、学習フェーズにおいて、上記ユーザ端末２１～２Ｎからそれぞれ取得された各ユーザの活動状態を表すデータを記憶するために用いられる。回帰モデル式記憶部２０３は、学習フェーズにより生成された回帰モデル式を記憶するために用いられる。推定データ記憶部２０４は、推定フェーズにおいて算出された活動状態の推定データを記憶するために使用される。

制御ユニット１０は、例えば、ＣＰＵ（Central Processing Unit）等のハードウェアプロセッサを備え、この発明の一実施形態を実現するための制御機能として、学習用の生体データ取得部１０１と、学習用の活動状態データ取得部１０２と、回帰モデル式生成部１０３と、推定用の生体データ取得部１０４と、係数補正処理部１０５と、推定処理部１０６と、推定データ出力部１０７とを有している。これらの制御機能部は、いずれも上記プログラム記憶領域に格納されたプログラムを上記ハードウェアプロセッサに実行させることにより実現される。

学習用の生体データ取得部１０１は、学習フェーズにおいて、ユーザ端末２１～２Ｎからそれぞれユーザの生体データを、ネットワーク３および通信インタフェースユニット３０を介して取得し、生体データ記憶部２０１に記憶させる処理を行う。生体データは、例えば、計測タイミングごとにその時刻と計測値とを対応付けたものとして表される。

学習用の活動状態データ取得部１０２は、学習フェーズにおいて、ユーザ端末２１～２Ｎからそれぞれユーザの活動状態を表すデータを、ネットワーク３および通信インタフェースユニット３０を介して取得し、活動状態データ記憶部２０２に記憶させる処理を行う。活動状態データも、計測タイミングごとにその時刻と計測値とを対応付けたものとして表される。

回帰モデル式生成部１０３は、学習フェーズにおいて、上記生体データ記憶部２０１に記憶された各ユーザの生体データと、上記活動状態データ記憶部２０２に記憶された活動状態データとに基づいて、全ユーザの生体データと活動状態との関係を表す回帰モデル式と、ユーザ毎の生体データと活動状態との関係を表す回帰モデル式を生成する。また回帰モデル式生成部１０３は、生成した上記全ユーザの回帰モデル式とユーザ毎の回帰モデル式とから、ユーザ毎の係数と全ユーザの係数との差を求める式を生成し、さらに回帰分析により当該係数の差とユーザ毎の生体データの平均値との関係を示す回帰モデル式を生成する。そして、回帰モデル式生成部１０３は、上記生成した各回帰モデル式を回帰モデル式記憶部２０３に記憶させる処理を行う。なお、回帰モデル式生成処理の具体例は後述する。

推定用の生体データ取得部１０４は、推定フェーズにおいて、活動状態の推定対象となるユーザの生体データを、当該ユーザが所持するユーザ端末２ｘからネットワーク３および通信インタフェースユニット３０を介して取得する処理を行う。この場合も、生体データは計測時刻を表す情報と計測値とを対応付けたものからなる。

係数補正処理部１０５は、上記推定対象ユーザの生体データと、上記回帰モデル式記憶部２０３に記憶されている回帰モデル式とに基づいて、上記推定対象ユーザの生体データに応じて係数が補正された回帰モデル式を生成する処理を行う。

推定処理部１０６は、上記係数が補正された回帰モデル式を用いて、上記取得した推定対象ユーザの生体データに対応する当該推定対象ユーザの活動状態を推定し、推定結果を推定データ記憶部２０４に記憶させる処理を行う。

推定データ出力部１０７は、上記推定データ記憶部２０４に記憶された推定結果を表すデータを、通信インタフェースユニット３０からネットワーク３を介して推定対象ユーザのユーザ端末２ｘへ送信する処理を行う。

（動作例）
次に、以上のように構成された状態推定装置１の動作例を説明する。
（１）学習フェーズ
学習フェーズが設定されると、状態推定装置１は以下のように回帰モデル式を生成するための学習処理を実行する。
図２は、状態推定装置１の制御ユニット１０による学習フェーズの処理手順と処理内容の一例を示すフローチャートである。

（１－１）学習用訓練データの取得
学習用訓練データの提供に協力する複数のユーザは、生体データの計測機器および活動状態の計測機器を身体に装着する。例えば、生体データの計測機器としては、心拍センサまたは脈波センサを内蔵した腕時計型の計測機器、或いは心拍センシング機能を繊維に持たせた衣類型の計測機器を、身体に装着する。一方、活動状態を計測する機器としては、例えば酸素摂取量を計測する機器を身体に装着する。

この状態で、ユーザが例えば運動を行うと、上記各計測機器によりそれぞれユーザの生体データおよび活動状態を表すデータが所定の時間区間ごとに、例えば１分ごとに計測され、その各計測データがユーザ端末２１～２Ｎに転送される。なお、上記各計測機器からユーザ端末２１～２Ｎへの計測データの転送手段としては、例えばBluetooth（登録商標）等の小電力無線データ通信規格を採用した無線インタフェースが用いられる。

生体データとしては、例えば、１分当たりの心拍数が計測される。活動状態データとしては、例えば、１分ごとの酸素摂取量が計測される。ユーザ端末２１～２Ｎは、上記計測機器から送られた心拍数の計測データをユーザの生体データとして内部メモリに保存する。またユーザ端末２１～２Ｎは、上記計測機器から送られた１分当たりの酸素摂取量をもとにユーザの運動強度を算出し、これを活動状態データとして内部メモリに保存する。運動強度は、１分間にユーザの体内で消費された単位体重当たりの酸素量として算出される。なお、上記各計測機器により計測された生体データおよび活動状態データは、ユーザ端末２１～２Ｎにおいてユーザの手入力操作により入力されてもよい。

また、以上の説明では計測機器で計測されてデータをユーザ端末２１～２Ｎへ転送または手入力する場合を例にとって説明したが、ユーザ端末２１～２Ｎ自体が計測機能を内蔵している場合には、ユーザ端末２１～２Ｎが活動状態データおよび生体データの計測を行い、その各計測データを内部メモリに記憶する。この場合も、活動状態データだけはユーザが手入力するようにしてもよい。

状態推定装置１の制御ユニット１０は、先ずステップＳ１１において、活動状態データ取得部１０２の制御の下、ユーザ端末２１～２Ｎに対し順次アクセスして、活動状態データをネットワーク３を介して通信インタフェースユニット３０により受信する。そして、受信された活動状態データを活動状態データ記憶部２０２に記憶させる。図７に、以上のように取得された活動状態データの一例として、ユーザ端末２１，２２，２３から取得された活動状態データ（分ごとの運動強度）の例を示す。同図に示すように活動状態データは計測時間を表す情報と関連付けて記憶される。

状態推定装置１の制御ユニット１０は、続いてステップＳ１２において、生体データ取得部１０１の制御の下、ユーザ端末２１～２Ｎに対し順次アクセスし、生体データをネットワーク３を介して通信インタフェースユニット３０により受信する。そして、受信された生体データを生体データ記憶部２０１に記憶させる。図６に、以上のように取得された生体データの一例として、ユーザ端末２１，２２，２３から取得された生体データ（分ごとの心拍数）の例を示す。同図に示すように、生体データも計測時間を表す情報と関連付けて記憶される。

状態推定装置１の制御ユニット１０は、すべてのユーザ端末２１～２Ｎから活動状態データおよび生体データの取得が終了したか否かをステップＳ１３で判定し、未取得のユーザ端末が残っている場合は上記ステップＳ１１、Ｓ１２の処理を繰り返し実行する。そして、すべてのユーザ端末２１～２Ｎから計測データの取得を終了すると、回帰モデル式の生成処理に移行する。

なお、状態推定装置１の制御ユニット１０は、活動状態データおよび生体データを別々に取得するのではなく、ユーザ端末２１～２Ｎに対しアクセスした際に、計測データのセットとして一括して取得するようにしてもよい。また、以上の説明では状態推定装置１からユーザ端末２１～２Ｎに対しアクセスして活動状態データおよび生体データを取得する場合を例にとって説明したが、ユーザ端末２１～２Ｎが任意のタイミングで状態推定装置１に対し活動状態データおよび生体データを送信するようにしてもよい。

（１－２）回帰モデル式の生成
状態推定装置１の制御ユニット１０は、次に回帰モデル式生成部１０３の制御の下、ステップＳ１４において以下のように回帰モデル式を生成するための学習処理を実行する。

図３はその処理手順と処理内容を示すフローチャートである。なお、以下の説明では、ユーザｉ（ｉ＝１～Ｎ）の時間ｔにおいて計測された活動状態データ（運動強度）をＶＯi (t) 、生体データ（心拍数）をＨＲi (t) として説明を行う。

すなわち、回帰モデル式生成部１０３は、先ずステップＳ１４１において、活動状態データ記憶部２０２から、ユーザ端末２１～２Ｎに対応する全ユーザの活動状態データＶＯi (t) を読み出してこれを連結する。また同様にステップＳ１４２において、生体データ記憶部２０１に記憶された、ユーザ端末２１～２Ｎに対応する全ユーザの生体データＨＲi (t) を読み出してこれを連結する。

回帰モデル式生成部１０３は、次にステップＳ１４３において、上記連結された全ユーザの活動状態データＶＯi (t) と、全ユーザの生体データＨＲi (t) とをもとに、回帰分析の手法を適用してその関係を表す回帰式
ＶＯi (t) ＝βＨＲi (t) …（１）
を生成し、係数βを求める。

回帰モデル式生成部１０３は、続いてステップＳ１４４において、ユーザｉごとに、その活動状態データＶＯi (t) と、全ユーザの生体データＨＲi (t) とをもとに、回帰分析の手法を適用してその関係を表す回帰式
ＶＯi (t) ＝βi ＨＲi (t) …（２）
を生成し、係数βi を求める。

そして回帰モデル式生成部１０３は、ステップＳ１４５において、上記式（１）、（２）により求められた全ユーザの係数βと各ユーザの係数βi との差分Δβi を、
Δβi ＝βi －β … （３）
により算出する。

回帰モデル式生成部１０３は、次にステップＳ１４６によりユーザｉの生体データＨＲi (t) の平均値を算出する。なお、以後当該平均値をＨＲi ￣で表す。続いて回帰モデル式生成部１０３は、ステップＳ１４７において、上記式（３）による求めた係数の差分Δβi と、上記生体データの平均値ＨＲi ￣とをもとに、回帰分析の手法を適用してその関係を表す回帰式
Δβi ＝ｋＨＲi ￣＋ｋ0 … （４）
を生成して、係数ｋ，ｋ0 を求める。

図８（ａ）～（ｃ）は、ユーザｉごとの心拍数の平均値ＨＲi ￣と、係数の差分Δβi との関係の一例を示した図である。図８（ａ）～（ｃ）に示すように各ユーザｉの心拍数の平均値ＨＲi ￣と係数の差分Δβi との関係は、おおよそ線形特性を示す。すなわち、心拍数の平均値ＨＲi ￣と係数の差分Δβi との関係は、上記したように線形回帰式で表すことができる。

最後に回帰モデル式生成部１０３は、ステップＳ１４８において、以上の処理において生成された各回帰式を回帰モデル式記憶部２０３に記憶させる。なお、ここでは回帰式全体を記憶させるようにしてもよいが、上記各回帰式の係数β，βi ，ｋ，ｋ0のみを記憶させるようにしてもよい。かくして、回帰モデル式を生成するための学習処理を終了する。

（２）推定フェーズ
上記回帰モデル式の学習が終了すると、状態推定装置１は以後新規ユーザについて、生体データをもとに活動状態を推定することが可能となる。
図４は推定処理の手順と推定内容を示すフローチャートである。いま新規ユーザｘが自身の生体データを計測機器で計測し、その計測データＨＲx (t) がユーザ端末２ｘに記憶された状態で、ユーザｘがユーザ端末２ｘにおいて状態推定装置１に対し活動状態の推定を要求するための操作を行ったとする。そうすると、ユーザ端末２ｘから状態推定装置１に対し上記計測されたユーザｘの生体データＨＲx (t) がネットワーク３を介して送信される。

状態推定装置１は、生体データ取得部１０４の制御の下、ステップＳ２０において、上記ユーザ端末２ｘから送信された生体データＨＲx (t) を通信インタフェースユニット３０により受信し、受信された生体データＨＲx (t) を係数補正処理部１０５に渡す。

状態推定装置１は、係数補正処理部１０５の制御の下、ステップＳ２１において、回帰モデル式の係数を上記新規ユーザｘに対応した値とするべく、以下のように係数補正処理を実行する。図５にその処理手順と処理内容の一例を示す。

すなわち、係数補正処理部１０５は先ずステップＳ２１１において、上記新規ユーザｘの生体データＨＲx (t) の平均値ＨＲx ￣を算出する。係数補正処理部１０５は次にステップＳ２１２において、回帰モデル式記憶部２０３に記憶されている式（４）をもとに、係数の差分Δβx を算出する。そして係数補正処理部１０５は、ステップＳ２１３において、回帰モデル式記憶部２０３に記憶されている式（３）をもとに、新規ユーザｘに対応する係数βx を算出する。

状態推定装置１は、次に推定処理部１０６の制御の下、ステップＳ２２において、回帰モデル式記憶部２０３に記憶されている式（１）の係数βを上記新規ユーザｘに対応する係数βx に補正する。そして、この係数が補正された式（２）に、上記新規ユーザｘの生体データＨＲx (t) を代入することで、新規ユーザの時間ｔにおける活動状態（運動強度）ＶＯx (t) を算出し、算出された新規ユーザｘの活動状態（運動強度）ＶＯx (t) をユーザＩＤに関連付けて推定データ記憶部２０４に記憶させる。

最後に状態推定装置１は、推定データ出力部１０７の制御の下、ステップＳ２３において、上記推定データ記憶部２０４に記憶された、新規ユーザｘの活動状態（運動強度）ＶＯx (t) を表す情報を、通信インタフェースユニット３０から要求元のユーザ端末２ｘに向け送信する。送信手段としては、例えば電子メールが用いられる。なお、ユーザｘがユーザ端末２ｘのブラウザにより状態推定装置１のウェブにアクセスすることで、自身の活動状態（運動強度）ＶＯx (t) を閲覧するようにしてもよい。

（効果）
以上詳述したように一実施形態では、学習フェーズにおいて、複数のユーザのユーザ端末２１～２Ｎから、所定の運動をしたときの活動状態データＶＯi (t) と、そのときの生体データＨＲi (t) をそれぞれ取得し、これらの計測データをもとに回帰分析の手法を用いて、生体データＨＲi (t) と活動状態データＶＯi (t) との関係を表す回帰式を生成すると共に、当該回帰式の係数について全ユーザと各ユーザとの間の差分Δβi を求め、さらにこの係数の差分Δβi と生体データの平均値ＨＲi ￣との関係を表す係数補正用の回帰式を生成する。そして、推定フェーズにおいて、新規ユーザｘの生体データＨＲx (t) を取得し、当該生体データの平均値ＨＲx ￣と上記係数補正用の回帰式をもとに活動状態推定用の回帰式の係数値βを上記新規ユーザｘ用の係数値βx に補正し、この係数補正後の回帰式を用いて新規ユーザｘの活動状態を推定するようにしている。

従って一実施形態によれば、新規ユーザｘの生体データがユーザの平均的な範囲から外れている場合でも、当該新規ユーザｘの生体データをもとに回帰式の係数が補正されるので、新規ユーザｘの活動状態を精度良く推定することが可能となる。しかも、学習済の回帰式を用いて活動状態が推定されるので、ユーザの活動状態を直接計測する必要がなく、これにより大掛かりな装備や高価な計測機器を用意することなくユーザの活動状態を認識することが可能となる。

［他の実施形態］
前記一実施形態では、生体データとして心拍数を計測し、活動状態データとして運動強度を推定する場合を例にとって説明したが、それに限るものではない。例えば、先に述べた用に、生体データとしては血圧値や血糖値などを計測してもよく、さらに血液検査や尿検査等の一般的な検査により計測される検査値であってもよい。また、歩数計により計測される歩数値やＧＰＳセンサにより計測される移動距離等を生体データとして使用してもよい。一方、活動状態データとしては、運動強度以外に最大酸素摂取量や活動量計による計測値、自覚症状調べやフリッカ検査器のような計測装置により計測される疲労度や、ストレスなどの精神的な状態を計測するようにしてもよい。

また、既に述べたように状態推定装置１の機能をウェブサーバやクラウドサーバに設ける以外に、医師や看護師等の医療従事者や保健師等の健康管理者の端末に設けたり、ユーザ端末自体に設けるようにしてもよい。さらには、状態推定装置１の機能、例えば学習のための機能と推定処理機能とを複数のサーバや端末に分散配置するようにしてもよい。

以上、本発明の実施形態を詳細に説明してきたが、前述までの説明はあらゆる点において本発明の例示に過ぎない。本発明の範囲を逸脱することなく種々の改良や変形を行うことができることは言うまでもない。つまり、本発明の実施にあたって、実施形態に応じた具体的構成が適宜採用されてもよい。

要するにこの発明は、上記実施形態そのままに限定されるものではなく、実施段階ではその要旨を逸脱しない範囲で構成要素を変形して具体化できる。また、上記実施形態に開示されている複数の構成要素の適宜な組み合せにより種々の発明を形成できる。例えば、実施形態に示される全構成要素から幾つかの構成要素を削除してもよい。さらに、異なる実施形態に亘る構成要素を適宜組み合せてもよい。

１…状態推定装置、２１～２Ｎ，２ｘ…ユーザ端末、３…ネットワーク、１０…制御ユニット、２０…記憶ユニット、３０…通信インタフェースユニット、１０１…学習用の生体データ取得部、１０２…学習用の活動状態データ取得部、１０３…回帰モデル式生成部、１０４…推定用の生体データ取得部、１０５…係数補正処理部、１０６…推定処理部、１０７…推定データ出力部、２０１…生体データ記憶部、２０２…活動状態データ記憶部、２０３…回帰モデル式記憶部、２０４…推定データ記憶部。

Claims (6)

1. 複数のユーザの各々について、その活動状態を表す指標値と、当該活動が行われている期間に計測された生体データとを、それぞれ取得する第１の取得部と、
   取得された前記活動状態を表す指標値および生体データをもとに、前記複数のユーザについてその全指標値と全生体データとの関係を表す第１の回帰式を生成すると共に、前記複数のユーザの各々についてその指標値と生体データとの関係を表す第２の回帰式を生成し、前記第１および第２の各回帰式に含まれる係数値の差分と前記複数のユーザの全生体データの平均との関係を表す第３の回帰式を生成する回帰モデル式生成部と、
   生成された前記第１、第２および第３の回帰式を記憶媒体に記憶させる記憶部と
   を具備する状態推定装置。
2. 推定対象となるユーザの生体データを取得する第２の取得部と、
   記憶されている前記第３の回帰式に基づいて、前記取得された推定対象となるユーザの生体データに対応する係数値の差分を求め、当該係数値の差分と前記第１の回帰式の係数値とから前記推定対象となるユーザに対応する補正後の係数値を求める係数補正部と、
   前記補正後の係数値が反映された前記第２の回帰式に基づいて、前記推定対象となるユーザについて前記取得された生体データに対応する活動状態の指標値を推定する推定部と、
   推定された前記推定対象となるユーザについて推定された前記活動状態の指標値を出力する推定データ出力部と
   をさらに具備する、請求項１に記載の状態推定装置。
3. 前記活動状態を表す指標値は一定期間におけるユーザの運動強度であり、前記生体データは前記一定期間における心拍数である、請求項１または２に記載の状態推定装置。
4. プロセッサおよび記憶媒体を有する情報処理装置が実行する状態推定方法であって、
   複数のユーザの各々について、その活動状態を表す指標値と、当該活動が行われている期間に計測された生体データとを、それぞれ取得する過程と、
   取得された前記活動状態を表す指標値および生体データをもとに、前記複数のユーザについてその全指標値と全生体データとの関係を表す第１の回帰式を生成すると共に、前記複数のユーザの各々についてその指標値と生体データとの関係を表す第２の回帰式を生成し、前記第１および第２の各回帰式に含まれる係数値の差分と前記複数のユーザの全生体データの平均との関係を表す第３の回帰式を生成する過程と、
   生成された前記第１、第２および第３の回帰式を前記記憶媒体に記憶させる過程と
   を具備する状態推定方法。
5. 推定対象となるユーザの生体データを取得する過程と、
   記憶されている前記第３の回帰式に基づいて、前記取得された推定対象となるユーザの生体データに対応する係数値の差分を求め、当該係数値の差分と前記第１の回帰式の係数値とから前記推定対象となるユーザに対応する補正後の係数値を求める過程と、
   前記補正後の係数値が反映された前記第２の回帰式に基づいて、前記推定対象となるユーザについて前記取得された生体データに対応する活動状態の指標値を推定する過程と、
   推定された前記推定対象となるユーザについて推定された前記活動状態の指標値を出力する過程と
   をさらに具備する、請求項４に記載の状態推定方法。
6. 請求項１乃至３のいずれかに記載の状態推定装置が備える前記各部の処理を、前記状態推定装置が備えるプロセッサに実行させるプログラム。

Images